Mamografi ile Meme Kanseri Taramasında Yapay Zekanın Etkisi

Fransa'da, 50 ila 74 yaş arasında, semptomu veya ailesinde meme kanseri öyküsü olmayan kadınlar için meme kanseri tarama programı mevcuttur. Bir anormallik saptandığında tanı değerlendirmesi yapılır. Mamogram normal olarak değerlendirilirse, görüntüler ikinci okuma için kanserlerin %9'unu saptayabilen uzman bir radyoloğa gönderilir.

Bu tarama programları, gereksiz biyopsilere yol açan yanlış pozitif sonuçlar, gereksiz tedavilere yol açan aşırı kanser tanısı, psikolojik yük ve X-ışını dozu nedeniyle tartışılmaktadır. Bununla birlikte Fransa'daki meme kanseri tarama programı hastalar için olumlu bir yarar/risk oranına yol açarak kanserin ileri evre teşhislerinde bir azalma olduğunu göstermiştir.

Meme kanseri taraması için mamografide bilgisayar destekli saptama (CAD) araçlarının kullanımı, özellikle Amerika Birleşik Devletleri'nde son yirmi yılda geniş çapta çalışılmıştır, ancak radyologların performansında gelişme olmaması nedeniyle terk edilmiştir.

Son yıllarda, daha önce mevcut olanlardan daha üstün performansa sahip algılama ve tanı yardım sistemlerinin geliştirilmesine yol açan Derin Öğrenme (DL) ve Evrişimsel Sinir Ağları (CNN) tekniklerinin ortaya çıkması sayesinde yapay zeka (YZ) kullanımı yaygınlaşmaya başlamıştır.

Mamografi ile ilgili bir çalışma, kıdemli radyologlar, genç radyologlar ve 2D ve sentetik mamografi üzerindeki YZ yazılımı arasında meme yoğunluğu açısından çok iyi bir uyum olduğunu göstermiştir.

Meme kanseri taramasında izlenecek prosedür BI-RADS (Meme Görüntüleme-Raporlama ve Veri Sistemi) temeline dayanır: 1 ve 2. kategorideki mamogramlar ikinci bir okuma sistemine gönderilir; 3. kategori için yakın izlem önerilirken 4 ve 5. kategori için biyopsi yapılır. Bu nedenle, organize tarama programlarındaki en önemli nokta izlenecek doğru yolu belirlemek için kategorizasyonun doğru yapılmasıdır.

Bu çalışmanın amacı radyologların YZ yardımıyla, tarama mamogramlarını BI-RADS kategorisinde daha iyi sınıflandırabildiğinin gösterilmesi ve kanser saptama ve mamogram yorumlama süresi üzerindeki YZ etkisinin araştırılmasıdır.

314 mamogramı içeren çapraz tasarımlı, çok okuyuculu, çok olgulu bir çalışma yapılmıştır. On iki radyolog, incelemeleri yapay zeka destekli ve desteksiz olarak 4 hafta aralıklı iki seansta yorumlamıştır. Her mamogramda her biri meme için en şüpheli lezyonu (varsa) işaretlemeleri ve bunu zorunlu bir BI-RADS kategorisi ve bir şüphe düzeyi veya ‘sürekli BI-RADS 100’ ile tanımlamaları gerekmiştir.

Her memede BI-RADS kategorisi için gözlemciler arası uyumu değerlendiren Cohen kappa korelasyon katsayısı ve alıcı işletim karakteristik eğrisi altındaki alan (AUC) metrik olarak kullanılmış ve analiz edilmiştir.

Ortalama olarak ikinci dereceden kappa katsayısı tüm okuyucular için YZ kullanıldığında önemli ölçüde artmıştır [κ=0.549, YZ olmadan %95 GA (0.528-0.571) ve YZ ile κ=0.626, %95 GA (0.607-0.6455)]. AUC, YZ kullanıldığında önemli ölçüde iyileşmiştir (0.74'e karşı 0.77, p=0.004). Okuma süresi tüm okuyucular için önemli ölçüde etkilenmemiştir (YZ olmadan 106 s ve YZ ile 102 s; p=0,754).

Sonuç olarak, YZ kullanırken radyologlar yorumlama süresini yavaşlatmadan doğru BI-RADS kategorisine sahip mamogramları daha iyi saptayabilmiştir.